Rozwój sztucznej inteligencji przyspiesza, jednak nie pozostaje bez wpływu na środowisko. Coraz bardziej zaawansowane modele językowe, takie jak ChatGPT, wymagają gigantycznych zasobów obliczeniowych, co przekłada się na ogromne zużycie energii elektrycznej. Według ekspertów to wyzwanie, które wymaga przemyślanych rozwiązań technologicznych i infrastrukturalnych – zarówno po stronie twórców, jak i regulatorów.
Zgodnie z danymi analityków BestBrokers, ChatGPT – obsługujący 300 mln użytkowników tygodniowo i odpowiadający na 1 mld zapytań dziennie – zużywa ok. 2,9 mln kWh dziennie. Dla porównania, amerykańskie gospodarstwo domowe zużywa średnio 29 kWh dziennie, co oznacza, że chatbot pochłania energię na poziomie 100 tys. takich gospodarstw. Rocznie daje to ponad 1058 GWh – porównywalnie do konsumpcji małego kraju.
Pamela Krzypkowska z Ministerstwa Cyfryzacji wskazuje, że świadomość kosztu środowiskowego AI to pierwszy krok do jego ograniczania. W ocenie ekspertki rozwój technologii powinien iść w kierunku projektowania bardziej energooszczędnych modeli – nie zawsze najpotężniejszych, ale zoptymalizowanych.
Międzynarodowa Agencja Energetyczna w raporcie „World Energy Outlook 2024” szacuje, że centra danych odpowiadają za 1–1,5% globalnego zużycia energii. McKinsey prognozuje, że do 2030 roku zużycie energii przez europejskie centra danych przekroczy 150 TWh, co stanowiłoby aż 5% całkowitego zapotrzebowania na energię w UE.
W Polsce prowadzone są prace nad bardziej kompaktowymi modelami językowymi, które mają mniej parametrów i mniejsze wymagania energetyczne, ale nadal są funkcjonalne. Przykładami są PLLuM i Bielik – modele wspierające komunikację w języku polskim, rozwijane z myślą o sektorze publicznym i prywatnym. Ich celem jest zapewnienie wysokiej skuteczności przy ograniczeniu zużycia energii.
Zdaniem Krzypkowskiej, nie wszystkie zadania muszą być realizowane przez najbardziej zaawansowane i energochłonne modele. Część z nich można z powodzeniem wykonać przy użyciu mniejszych, specjalistycznych rozwiązań – takich jak drzewa decyzyjne, modele wyjaśnialne czy węższe sieci neuronowe. Tego rodzaju podejście może znacznie ograniczyć ślad węglowy AI.
Co ciekawe, AI może nie tylko generować problemy środowiskowe, ale również wspierać działania na rzecz klimatu. Algorytmy uczenia maszynowego są wykorzystywane m.in. do przewidywania zmian pogodowych, analizy trendów klimatycznych czy optymalizacji zużycia energii w logistyce i transporcie. W przyszłości mają wspierać zarządzanie sieciami energetycznymi oraz integrację odnawialnych źródeł energii z systemami dystrybucji.
Optymalizacja pracy sieci energetycznych czy systemów logistycznych to konkretne przykłady zastosowania AI w działaniach proekologicznych. Współczesna sztuczna inteligencja ma potencjał nie tylko do analizy ogromnych zbiorów danych, ale również do podejmowania decyzji, które bezpośrednio przekładają się na oszczędność zasobów i redukcję emisji.
Według przedstawicielki Ministerstwa Cyfryzacji, to właśnie te „ciche” zastosowania AI mogą przynieść największy efekt – jeśli technologia zostanie zaprzęgnięta nie tylko do tworzenia innowacyjnych chatbotów, ale również do rozwiązywania realnych problemów systemowych. Inteligentne planowanie tras, zarządzanie ruchem, kontrola zużycia mediów – to obszary, w których AI może pozytywnie wpłynąć na środowisko.
Źródło: IP
